机械应力下电工钢片磁滞与磁致伸缩回环滞后特性模拟

机械应力会影响电机铁心材料的磁滞回环特性和磁致伸缩回环特性,进而影响电机损耗与振动等运行性能,为此需要在电工产品设计阶段有效模拟电工钢片磁滞-磁致伸缩应变-机械应力的耦合关系下的磁特性。基于磁畴能量极小值的原理,该文提出改进的磁畴结构模型（ADSM）实现电工钢片在机械应力下磁滞与磁致伸缩回环滞后特性表征。引入磁滞能量密度函数描述磁滞和磁致伸缩回环滞后效应,引入磁弹性能考虑机械应力对磁特性的影响,使用多个晶粒磁特性的平均值来表示多晶结构电工钢片的磁特性,最后通过模型结果与实验测量数据对比,验证了该改进的ADSM较传统模型更能有效地表征电工钢片的磁滞与磁致伸缩滞后特性,为准确计算铁心的损耗与振动性能奠定基础。     

去除溶液中氯离子的技术的研究进展

溶液中的氯离子易引起金属严重腐蚀,尤其是对各种成膜性的金属,影响其电解效率、镀层质量、湿法冶炼和工艺过程等,因而去除和控制氯离子的技术在防腐蚀、电解、电镀、湿法冶炼及环保领域备受关注.为此,在归纳各种技术及其化学原理的基础上,着重综述了近十年国内外相关技术(包括化学沉淀技术、离子交换技术、电化学技术及其他技术等)的研究进展,评述了其在防腐蚀、电解、电镀、湿法冶炼、环保等行业中的应用现状、前景以及不足.     

基于深度学习的电工钢片磁畴磁化过程预测与特征量提取

高效电工产品的研发离不开对低损耗高品质电工钢磁特性的准确表征，而电工钢磁畴结构及其动态磁化特征量的提取是实现从介观磁化机理到宏观特性模拟的桥梁。该文利用磁光克尔显微镜对外加磁场下取向电工钢片磁畴结构的动态演变过程进行了观测和研究。首先在不同方向的外加磁场下，获取了磁场由饱和到零再到反向饱和的磁化过程中电工钢磁畴结构动态演变的图像信息，分析了磁畴重组、湮灭、成核的过程；其次为了获取足够多的可以表征电工钢片磁化特征的磁畴图像信息，对比研究了基于深度学习理论的两种神经网络——基于卷积神经单元的长短期记忆神经网络（ConvLSTM）和基于卷积神经单元的门控循环单元（ConvGRU）对磁畴动态演变图像的预测；最后在此基础上，提出了以磁畴面积作为特征参量表征样片动态磁化过程及磁畴状态的方法。结果表明，所提取的特征量能够有效地表征样片的磁化程度及其内部磁畴的演变过程，为进一步实现基于磁畴磁化机理的宏观磁滞模型奠定基础。